1×1卷积在CNN中有什么作用？
请解释**1×1卷积(Pointwise Convolution)**在CNN架构中的多种用途：降维、升维和跨通道信息融合。
回答
Yahuda
1×1卷积（卷积核尺寸1×1）不提取空间特征，但能进行通道间的线性组合。核心用途：(1)降维(通道压缩)——如Inception模块中，输入256通道先用1×1降为64通道，再计算3×3卷积，参数量减少4倍。(2)升维——增加通道数以丰富特征表达。(3)跨通道融合——学习不同通道间的线性关系，增强特征表示能力。参数量：C_in×C_out×1×1 = C_in×C_out，远小于3×3卷积的9倍参数。关键作用：在MobileNet等轻量网络中，1×1卷积作为Pointwise Convolution与Depthwise卷积配合实现深度可分离卷积。